简介：高考是一种竞技,考验的是平时的努力。要想在高考中取得优异成绩,贵在平时的训练,平日从严,高考坦然。练习就是高考,高考就是练习!面对即将到来的高考,在明确命题规律的基础上,平时的训练要有针对性,要学会总结。

简介：

简介：

简介：摘 要：神经网络是当今最具魅力的一个新兴学科生长点,已发展成为现代科学技术的新热点,其迅猛发展将对整个信息科学产生巨大的影响。神经网络在数学建模中的应用也非常的广泛。

简介：学习《预算法》的几点体会黄达孝今年３月２２日公布的《中华人民共和国预算法》是我国财政预算管理工作的一件大事。它一方面以法律形式明确了预算管理职责权限的划分，另一方面又以法律形式严肃了预算的立法程序，是把权责与程序紧密结合的一部财政预算的根本大法。《预...

简介：摘要：在现代化信息技术的支持下，计算机技术为智能人工技术发展奠定良好基础。以计算机技术为支持的智能计算技术涉及了统计学、逼近论、算法复杂论以及凸分论等学科知识，可通过计算机技术，利用自身的学习经验，在自我系统中不断完善自身性能。以计算机规律性信息数据为支持，在计算机中找到规律性信息，获取知识经验，实现计算机技术的智能化，使得计算机向人工智能方向发展。

简介：摘要 随着人工智能技术的不断发展，深度学习正在迅速崛起.它可以把复杂的信息结构转换成更加简单易懂的模型，并且可以根据不同的模型结构，快速地提取出更多的信息，这使得它可以更好地帮助人类理解和预测未来的行业，比如图像处理、语音处理和自动驾驶。因此，将深度学习算法应用于推荐系统具有十分重要的意义。

简介：据2018年美国癌症协会统计,膀胱癌发生率居于男性恶性肿瘤发生率的第四位,及时诊断和个体化治疗可以预防膀胱癌的进展,明显提高患者生存期。研究表明利用机器学习的研究方法可以提高膀胱癌诊断的准确性、辅助临床医生选择精准治疗方案并进行预后分析。

简介：摘要针对航班延误这一航空运输业亟待解决问题，通过对航班延误影响指标的深入分析，提出基于机器学习算法解决航班延误问题。根据对大量历史数据的训练，并将机器学习分类算法与时间序列模型结合应用到数据训练，便于模型构建。结合所采集时间点的实际航班延误数对比分析评估预测模型。实验结果表明，该方法有效、精准地实现航班延误数量时间段预测及特定航班延误时间等级预测这两个业务功能，有利于机场及时进行政策方案调控，以便解决延误问题。

简介：“管家”喜获“法宝”──学习《预算法》心得朱大兴１９９４年３月２２日。经第八届全国人民代表大会第二次会议审议通过了《中华人民共和国预算法》，并于１９９５年１月１日起施行，这是我国继《会计法》颁布实施之后的又一部重要的财政、财务法规，是广大财政、财会工...

简介：摘要随着时代的不断发展和计算机技术的不断进步，算法思想对科学发展产生了不可估量的作用，人们对算法的认识也日益深刻.算法被列入了高中数学课程内容，有着其自身的教育意义（1）算法教学的引入将使数学课程的内容结构在培养学生能力方面更加合理.（2）算法内容的学习有利于改变现有的教学方式.（3）算法教学有助于促进数学文化教育的展开。

简介：摘要针对航班延误这一航空运输业亟待解决问题，通过对航班延误影响指标的深入分析，提出基于机器学习算法解决航班延误问题。根据对大量历史数据的训练，并将机器学习分类算法与时间序列模型结合应用到数据训练，便于模型构建。结合所采集时间点的实际航班延误数对比分析评估预测模型。实验结果表明，该方法有效、精准地实现航班延误数量时间段预测及特定航班延误时间等级预测这两个业务功能，有利于机场及时进行政策方案调控，以便解决延误问题。

简介：在不均衡数据集下,SVM分类超平面的偏移,使得基于KKT条件进行样本选择的增量学习算法性能不佳,针对该问题,提出动态代价的SVM增量学习算法,该算法依据各类样本密度之间的关系动态计算类的错分代价,减少每次迭代中分类超平面偏移造成的错误累积,保证依据KKT条件选取样本的准确性,使得每次迭代选取的样本都包含当前分类器缺少的空间信息,提高最终分类器在不均衡数据集下的分类性能.最后,在UCI数据集上的仿真实验结果表明该算法能够提高不均衡数据下的分类性能.

简介：摘要：本文介绍了一种基于机器学习算法的智能预警预测方法。首先，通过数据融合技术获取和处理主机数据，并计算相似度和系统状态估计。接下来，引入振动诊断分析工具进行时域分析、频域分析、共振解调和频率成分分析，并具备图形输出功能。同时，利用机理诊断分析工具使用规则引擎工具，建立和优化机理模型，并实现故障预警和报警功能。通过本文的研究，可以实现智能预警预测，提高设备的可靠性和安全性。

简介：摘要：多任务学习是机器学习领域中的一部分，相对于传统的单任务学习，有其独特的优势和应用场景。在现实很多的问题中，往往需要考虑不同方面带来的影响。单一的考虑一两个任务太过于局限，并且相关任务之间的共性有助于特定任务的学习过程。而多任务学习恰恰能够通过不同任务之间的联系，找到数据的共性和特性，更好地提升分类器的性能。多任务学习方法主要分为两类：共享相同的参数和共享隐藏的数据特征。目前来说，多任务学习广泛应用在多个领域，比如医疗建模，图像分类，自然语言处理和人工智能等。

简介：摘要：本文主要介绍了一种基于深度学习的Web社区推荐算法，即通过使用跨

简介：摘要：本文探讨了深度学习与机器学习算法在通信网络中的应用。首先介绍了通信网络的基本架构，包括通信设备、传输介质和通信协议等。随后，分析了深度学习与机器学习在通信网络中的多个应用场景，包括信道估计与均衡、调制识别与解调、资源分配与功率控制等方面。在信道估计与均衡方面，深度学习算法能够准确建模复杂信道特性，提高信号接收质量。在调制识别与解调方面，深度学习通过学习大量信号样本，实现准确识别和解调调制信号。资源分配与功率控制方面，深度学习算法能够智能优化资源利用，提高系统效率。接着，讨论了机器学习算法在通信网络中的应用，包括监督学习算法在网络优化、无监督学习算法在资源管理、强化学习算法在网络控制等方面的应用。

简介：本体作为一种高效的语义模型,被广泛应用于工程科学的各个领域,而语义相似度计算是本体算法的核心内容.利用本体稀疏向量得到本体相似度计算的策略可用于高维数据和大数据处理.因此,考虑在非线性框架下的本体稀疏向量计算算法,用平方亏损函数表示误差项,通过近端梯度的计算得到对应的迭代策略.最后,通过两个实验来说明该本体稀疏向量学习算法对于特定的工程应用中本体相似度计算和本体映射是有效的.

简介：摘要：行人检测一直是计算机视觉领域的研究热点，本文指出了行人检测的问题和遇到的难点，并对传统的行人检测方法进行了研究，最后讨论了基于深度学习方法的行人检测算法。

简介：针对深层超限学习机算法在网络层数较浅时样本特征利用率低,和网络层数较深时样本特征经高层抽象后有效性降低的问题,本文提出了两种密集连接的多层超限学习机算法:Dense-HELM和Dense-KELM.这种密集连接的网络结构,使样本特征信息在层与层之间被充分利用,能够在不增加网络深度的情况下,显著提高算法的识别精度.最后,对文中提出的两种算法在20组基准数据集上进行实验,结果显示:本文提出的算法可以显著提高算法的识别精度,减少算法的训练时间,这表明所提出的算法具有有效性和实用性.